CN113658175B - 一种征象数据的确定方法及装置 - Google Patents
一种征象数据的确定方法及装置 Download PDFInfo
- Publication number
- CN113658175B CN113658175B CN202111028340.1A CN202111028340A CN113658175B CN 113658175 B CN113658175 B CN 113658175B CN 202111028340 A CN202111028340 A CN 202111028340A CN 113658175 B CN113658175 B CN 113658175B
- Authority
- CN
- China
- Prior art keywords
- symptom
- sign
- target
- data
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 208000024891 symptom Diseases 0.000 claims abstract description 354
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 16
- 230000003902 lesion Effects 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 description 40
- 238000003384 imaging method Methods 0.000 description 22
- 238000003745 diagnosis Methods 0.000 description 19
- 230000006399 behavior Effects 0.000 description 17
- 230000003993 interaction Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000013075 data extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 238000002583 angiography Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- BALXUFOVQVENIU-KXNXZCPBSA-N pseudoephedrine hydrochloride Chemical compound [H+].[Cl-].CN[C@@H](C)[C@@H](O)C1=CC=CC=C1 BALXUFOVQVENIU-KXNXZCPBSA-N 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000001944 accentuation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Abstract
本公开提供了一种征象数据的确定方法及装置，涉及图像处理技术领域。该方法的一具体实施方式包括：获取图像和用户标识；获取与用户标识相关联的征象配置数据，征象配置数据包括与用户标识相关联的至少一个目标征象特征；根据征象配置数据确定征象结果集合；以及使得终端输出征象结果集合。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种征象数据的确定方法及装置。
背景技术
医生在诊断过程中，通常需要根据感兴趣区域的一个或多个征象来判断该感兴趣区域对应的病灶类型。
目前，不同的医院或者不同的医生针对同一个病灶类型，可能基于不同的诊断策略来诊断。例如，医生通过查看影像，根据个人经验从感兴趣区域中确定出一个或多个征象，再根据经验从这一个或多个征象中选择诊断策略所需的征象数据来诊断。由此，医生根据个人经验从影像中确定征象数据，并进一步根据经验选择征象数据来诊断的方式，较多的消耗医生的诊断时间，从而可能降低诊断效率。
发明内容
根据本公开实施例的一个方面，提供了一种征象数据的确定方法，包括：获取图像和用户标识；获取与所述用户标识相关联的征象配置数据，所述征象配置数据包括与所述用户标识相关联的至少一个目标征象特征；根据所述征象配置数据从所述图像中确定征象结果集合；以及使得终端输出所述征象结果集合。
根据本公开实施例的另一个方面，提供了一种征象数据的确定装置，包括：图像获取单元，用于获取图像和用户标识；配置数据获取单元，用于获取与所述用户标识相关联的征象配置数据，所述征象配置数据包括与所述用户标识相关联的至少一个目标征象特征；征象确定单元，用于根据所述征象配置数据确定征象结果集合；以及征象输出单元，用于使得终端输出所述征象结果集合。
根据本公开实施例的又一个方面，提供了一种确定征象数据的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据本公开的实施例的征象数据确定方法。
根据本公开实施例的又一个方面，提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据本公开的实施例的征象数据的确定方法。
根据本公开实施例的又一个方面，提供了一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据本公开的实施例的征象数据的确定方法。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本公开实施例可以应用于其中的示例性系统架构图；
图2A是根据本公开实施例的一种征象数据的确定方法的示意图；
图2B是根据本公开的另一实施例的一种征象数据的确定方法的示意图；
图3是根据本公开实施例的另一种征象数据的确定方法的示意图；
图4是根据本公开实施例的又一种征象数据的确定方法的示意图；
图5是根据本公开实施例的再一种征象数据的确定方法的示意图；
图6A是根据本公开实施例的一种征象数据的确定装置的示意图；
图6B是根据本公开的另一实施例的一种征象数据的确定装置的示意图；
图7是适于用来实现本公开实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不冲突的情况下，本公开的实施例以及实施例中的技术特征可以相互结合。
图1是本公开实施例提供的一种征象数据的确定方法以及征象数据的确定装置的应用场景示意图。如图1所示，在该应用场景中可包括：成像系统110，网络120，图像处理服务器130，终端设备140、150、160以及数据库170。其中，网络120用以在成像系统110、图像处理服务器130、终端设备140、150、160以及数据库170之间提供通信链路的介质。网络120可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
其中，成像系统110可包括扫描设备111以及将扫描设备111扫描得到的扫描数据转换为像素，以形成医学图像序列的显像服务器112。比如，该成像系统110可为正子发射断层扫描计算机成像系统(Positron emission tomograph10，PET)、正子发射电脑断层扫描计算机成像系统(Positron emission tomograph10 with computerized tomograph10，PET/CT)、单一光子发射电脑断层扫描计算机成像系统(Single photon emissioncomputed tomograph10 with computerized tomograph10，SPECT/CT)、计算机断层扫描系统(Computerized tomograph10，CT)、医学超音波检查计算机成像系统(Medicalultrasonograph10)、核磁共振成像系统(Nuclear magnetic resonance imaging，NMRI)、磁共振成像系统(Magnetic Resonance Imaging，MRI)、心血管造影成像系统(Cardiacangiograph10，CA)、数字放射显影系统(Digital radiograph10，DR)等。在本公开实施例的应用场景中，上述各种成像系统均可通过网络与图像处理服务器130、终端设备140、150、160以及数据库170进行通信。
其中，扫描设备111可为数字减影血管造影扫描仪、磁共振血管造影扫描仪、断层血管扫描仪、正子发射断层扫描仪、正子发射电脑断层扫描仪、单一光子发射电脑断层扫描仪、计算机断层扫描仪、医学超音波检查设备、核磁共振成像扫描仪、磁共振成像扫描仪、数字放射显影扫描仪等。其中，扫描设备111与显像服务器112的组合可形成上述的成像系统110。
上述成像系统110形成的图像可存储到数据库170中，以供后续图像处理服务器130以及终端设备140、150、160从数据库170中调取所需的一个或多个图像形成视图或者视图集合。另外，上述成像系统110还可直接将图像提供给图像处理服务器130或者终端设备140、150、160等。
上述数据库170可以为常规数据库也可以为部署在存储云上的数据库。
上述图像处理服务器130可对成像系统110形成的图像进行压缩、像素修正、三维重建等处理的服务器。该图像处理服务器130可以将处理后的图像存储到数据库170中和/或将处理后的图像提供给终端设备140、150、160等。
用户可以使用终端设备140、150、160通过网络120从成像系统110和/或数据库170和/或图像处理服务器130中获取包括图像的视图或者视图集合，以及用户还可以使用终端设备140、150、160设置图像展示所需的一些参数或者参考数据等，终端设备140、150、160将设置的图像展示的一些参数或者参考数据等发送给成像系统110或者图像处理服务器130，以使成像系统110或者图像处理服务器130进一步对图像进行处理，例如进一步处理像素、校正等。
终端设备140、150、160可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机、医学图像打印设备等等。
需要说明的是，本公开实施例所提供的征象数据的确定方法一般由成像系统110或者图像处理服务器130执行，相应地，征象数据的确定装置一般设置于成像系统110或者图像处理服务器130中。
应该理解，图1中的成像系统、网络、图像处理服务器、终端设备以及数据库的数目仅仅是示意性的。根据实现需要，可以具有任意数目的成像系统、网络、图像处理服务器、终端设备以及数据库。
现在参考图2A描述根据本公开的实施例的征象数据的确定方法200。
在步骤S201处，获取图像和用户标识。
在步骤S202处，获取与用户标识相关联的征象配置数据，征象配置数据包括与用户标识相关联的至少一个目标征象特征。
在步骤S203处，根据征象配置数据确定征象结果集合。
在步骤S204处，使得终端输出征象结果集合。
由此，可以根据配置数据灵活选取不同的征象，减少手动选取征象所需的人力，并且提供给用户的征象可以是更加有针对性的。例如，图像可以包含更多的征象数据(也即，原本可以提供更多的征象)，而征象结果集合中的每个征象是与至少一个目标征象特征匹配的征象，也即真正需要的那些征象。作为一个非限制示例，在不采取本公开的实施例所述的方法的情况下，可以从图像中提取第一数量的征象，而根据本公开的实施例所述的方法，根据预先确定的配置数据，可以只提取第二数量(小于第一数量)的征象，或者只将第二数量的征象数据发送到终端、渲染或以其它方式呈现给用户。由此，一方面可以减少用户(包括个人用户、机构用户等，如将在下文中更详细描述的)的手动选取征象的成本，并且可以减少数据的处理、传输量，提高效率。
根据一些实施例，征象配置数据可以包括征象与分析目标和分析结果中的至少一项关联的至少一个目标征象特征。关联关系可以是通过以下方式获得的：获取至少一个分析描述文本，至少一个分析描述文本中的分析描述文本是描述针对分析目标利用一个或多个征象确定分析结果的文本；以及处理至少一个分析描述文本以提取一个或多个征象与分析目标和分析结果中的至少一项关联的至少一个目标征象特征。
作为一个示例，这里的分析描述文本可以是病历或者其他诊断描述报告等，其中可以采用自然语言(包括书面语或口语)来描述针对分析目标利用一个或多个征象确定分析结果的文本。处理分析描述文本可以通过简单的文字和关键词提取，也可以采用机器学习的方法。例如，分析描述文本中可以出现“在某处可见某征象，……病人患有某病”等，并且通过对文本进行处理并提取关联性，可以获得“某征象”与“某病”的关联关系，或者与“某病”对应的一个或多个征象特征。这里的某病对应于分析结果。作为另一个示例，分析描述文本可以包括“为了判断是不是某某，……某处的某征象……”等，这里的“某某”可以被视为分析目标，并且对应的征象可以是与这样的分析目标关联的征象。分析描述文本可以是与用户标识相关联的，例如与医生的标识、医院的标识、诊断机构的标识相关联。可以理解的是，用户标识并不限于个人用户。
根据一些实施例，分析描述文本还包括针对分析目标利用一个或多个征象确定分析结果的用户的标识，并且其中，所提取的关联关系是与所述用户标识相关联的关联关系。例如，在诊断某个疾病时，该医生参考的征象就可能是自己的诊断思路所需要的，并且通过对该医生的病历等描述文本进行分析和提取，能够获取该医生多次提到的征象，并且下次可以根据这样的特征进行识别，以达到更智能的效果。
根据一些实施例，征象配置数据可以包括与所述用户标识相关联的至少一个目标征象特征，并且其中，与所述用户标识相关联的至少一个目标征象特征是通过对与用户标识相关联的行为数据进行处理而获得的。由此，能够根据用户的历史行为来获得与用户相关的征象特征。
根据一些实施例，与用户标识相关联的行为数据包括用户针对至少一个征象的历史交互度，并且其中，与所述用户标识相关联的至少一个目标征象特征包括历史交互度大于预定交互度阈值的征象的特征。例如，交互度可以包括用户历史中对多个医学图像序列和多个征象(其可以包括但不限于与图像中可能存在的“第一数量的征象”类似的征象或者满足“至少一个目标征象特征”的征象)的查看时间、停留时间以及查看频次等。作为示例，交互度阈值可以是预定的查看时长，例如单次查看1分钟或者累计查看5分钟，可以是查看频次，例如在诊断中超过三次选中该征象进行查看，也可以是其他表征交互的指标，例如是否有放大、旋转等着重操作等，并且可以理解的是，本公开不限于此。
根据另外的实施例，行为数据还可以包括历史上先看哪个征象再看哪个征象的顺序关联关系，选择了如何将征象进行分组，对某些特定征象的放大、旋转查看或者其他着重操作，或者将哪几个征象放在一起比对等。这些关联特征等可以是通过归纳获得的，并且可选地，可以是通过机器学习和神经网络来获得的。可以理解的是，以上均为示例，并且本公开不限于此。
根据一些实施例，征象配置数据还包括与所述用户标识相关联的至少两个关联的目标征象特征，其中，与所述用户标识相关联的至少两个关联的目标征象特征是通过如下获得的：响应于与用户标识相关联的行为数据指示第一图像序列与第二图像序列存在关联，将第一图像序列中的第一征象特征与第二图像序列中的第二征象特征设置为关联的目标征象特征。
根据一些实施例，用户可以包括以下各项中的至少一项：个人用户，机构用户。例如，用户可以是医生或其他需要分析征象的个人用户，并且根据本公开的实施例的方法可以输出特定于医生诊断习惯或者诊断策略的数据。或者，用户可以是特定的医疗机构、教学或研究机构、医院、诊所、协会、组织等，并且相同的机构可以共享相似的分析策略。作为一个附加的非限制性示例，特定的医院或者医疗组织可能规定需要特定的某几种征象才能判定某个病症，并且这样的数据也可以作为特定于该医院或组织的配置数据。
根据一些实施例，根据征象配置数据确定征象结果集合包括：获取图像的分析策略；基于分析策略解析图像；以及获取图像中的与图像的解析结果相关联的征象作为征象结果集合。在一些实施例中，用户采用特定的图像分析方案，并且输出给用户的征象集合可以与图像分析方案相对应。
根据一些实施例，基于分析策略解析图像包括确定图像对应的目标人体部位。在这样的实施例中，获取图像中的与图像的解析结果相关联的征象可以包括确定与目标人体部位对应的征象作为征象结果集合。
作为一个可选示例，可以在至少两个征象集合中，确定当前用户的目标征象集合，包括：确定图像对应的目标人体部位；在至少两个征象集合中，确定目标人体部位对应的若干当前征象集合；展示若干当前征象集合；响应于当前用户的选择指令，在若干当前征象集合中确定目标征象集合。
根据一些实施例，其中，征象配置数据可以包括与至少一个病灶类型相关联的征象特征，图像的分析策略可以包括图像的分析目标，基于分析策略解析图像可以包括基于分析目标解析图像以识别病灶类型，并且获取图像中的与图像的解析结果相关联的征象可以包括获取图像中的与识别出的病灶类型相关联的征象。由此，可以对图像数据进行预先分析和识别，基于识别出的病灶类型来判断征象。在这样的实施例中，还可以向终端输出预识别的病灶类型，进一步减轻用户判断所需的人力。
根据一些实施例，根据征象配置数据确定征象结果集合可以包括从图像的感兴趣区域中提取与征象结果集合对应的征象数据，并且包括以下操作：按照第一置信度，从感兴趣区域中提取与征象结果集合对应的征象数据；响应于确定提取的征象数据中存在征象清晰度不满足预定清晰度阈值的清晰度阈值的征象数据，按照第二置信度从感兴趣区域中提取与征象结果集合对应的征象数据，其中，第二置信度小于第一置信度。
根据一些实施例，根据征象配置数据确定征象结果集合可以包括：从图像的感兴趣区域中提取与至少一个目标征象特征中的目标征象特征对应的征象作为征象结果集合。可以响应于确定所述感兴趣区域中存在与所述征象配置数据匹配的多个征象数据，使得终端输出所述多个征象数据作为输出的征象集。
根据一些实施例，征象配置数据中包括至少两个目标征象特征以及与每个目标征象特征对应的优先级，并且其中，使得终端输出征象结果集合包括：基于对应的优先级输出征象结果集合。优先级可以影响显示方式。
可以通过各种方式来获取与每个目标征象特征对应的优先级，包括但不限于本文中参照各种实施例描述的方法。例如，结合前文中描述的从分析描述文本(例如，病历、报告等)获取征象特征的示例，还可以从分析描述文本获取不同征象特征的优先级，例如简单地按照征象特征被描述的顺序来排序，或者通过机器学习对文本进行学习，来获得不同的征象特征在推导出结论时所占的比重作为优先级。作为另一个示例，结合前文提到的对用户行为数据进行分析来获取征象特征的示例，可以从用户行为数据中提取不同征象特征的优先级，例如用户交互更多(时间更长，次数更多，或者有更多的高等级交互比如放大、比对操作等)的征象特征对应于更高的优先级。
根据一些实施例，至少一个目标征象特征包括以下各项中的至少一项：征象的类型特征、形状特征、亮度特征和尺度特征。例如，可以是特定位置或者区域的征象、特定形状(例如，星形)、特定亮度(例如高亮或者满足亮度阈值)等。可以理解的是，以上仅为示例，并且本公开不限于此。
根据本公开的一个或多个实施例，能够确定与当前用户对应的目标征象集合，并根据目标征象集合从感兴趣区域中提取出相应的目标征象数据，并将目标征象数据提供给当前用户。由此，使得当前用户能够直接获取感兴趣区域中与其用户信息对应的目标征象数据，而无需当前用户采用人工方式从影像中确定征象数据以及根据自身经验选择征象数据，有利于提高诊断效率。
下面结合图2B描述根据本公开实施例提供的通过上述成像系统110或者图像处理服务器130实现的征象数据确定方法250。从图2B可以看出，该征象数据的确定方法可以包括以下步骤：
步骤S251：获取图像的感兴趣区域。
其中，本公开实施例中的图像可以为医学图像，例如，基于CT扫描图像而重建的三维图像，或者三维图像的剖面图像(即二维图像)。图像中的感兴趣区域可以为医学图像中的病灶区域。感兴趣区域可以通过预训练的图像分割模型对图像进行处理而得到，也可以对图像直接进行分割而得到。
步骤S252：在至少两个征象集合中，确定当前用户的目标征象集合；其中，所述征象集合与图像分析策略相对应，所述征象集合根据用户信息确定。
根据本公开的一个可选的实施例，可以通过根据预设的多个用户信息与多个征象的对应关系，来确定用户信息对应的征象集合或征象特征集合。
在此方式中，用户信息与征象集合的对应关系可以通过配置得到，也就是说，可以通过配置用户信息与征象的对应关系来得到用户信息所对应的征象集合。在此方式中，用户信息与征象集合的对应关系由于是通过配置得到，因此其对应关系在使用过程中是不变的。例如，可以配置用户A对应的多个征象为征象1、征象2和征象3，其中，征象1、征象2和征象3构成的征象集合对应于图像分析策略a。另外还可以配置用户B对应的多个征象为征象2、征象3和征象4，征象2、征象3和征象4构成的征象集合也对应于图像分析策略a。此外，还可以配置用户C对应的征象为征象5和征象6，征象5和征象6构成的征象集合对应于图像分析策略c。
在此情况下，在本公开实施例提供的征象数据确定方法中，如图3所示，在步骤S251之前，还可以包括步骤S301：根据预设的多个用户信息与多个征象的对应关系，配置多个用户信息分别对应的多个征象集合。
其中，用户信息可以包括用户标识和/或用户所属组织的组织标识等。例如，在用户为医生的情况下，用户信息可以为医生自身的标识(姓名、工号或系统登录名等)，也可以为医生所属医院的标识(名称或组织代码等)。
根据本公开的一个可选的实施例，还可以通过历史报告来确定用户信息对应的征象集合或征象特征集合，并且具体可以包括：获取多个历史报告；从所述历史报告中识别用户信息和一个或多个征象；根据每一个所述历史报告包括的所述用户信息和所述征象，确定所述用户信息与所述征象之间的对应关系；根据所述对应关系，确定所述用户信息对应的征象集合。
根据这样的实施例，可以通过获取多个如患者的检测报告等类型的历史报告，然后从历史报告中识别出用户信息和多个征象。例如，当历史报告为图像形式时，可以通过机器视觉实现图像中的文字检测，以从历史报告中确定出至少一个征象以及至少确定出以下一项用户信息：患者姓名、患者ID、医院名称、医生姓名和医生ID。或者，当历史报告为文字形式时，可以通过自然语言技术从历史报告中识别出关于用户信息和征象的关键词，进而根据关键词确定出相应的用户信息和征象。
在从历史报告中确定出用户信息和征象之后，可以进一步根据用户信息与征象之间的对应关系，例如，可以确定出现在同一历史报告中的用户信息和征象存在对应关系、以及同一用户信息对应的多个历史报告中的用户信息与征象存在对应关系。然后，根据确定出的对应关系可以确定出每个用户信息对应的征象集合。
可以理解的是，上述两种方式可以结合使用，以确定用户信息对应的征象集合。例如，可以先通过方式二确定用户信息与征象的对应关系，再采用方式一的配置方法根据对应关系来配置用户信息对应的征象集合。
在此情况下，在本公开实施例提供的征象数据确定方法中，如图4所示，在步骤S251之前，还可以包括步骤S401至步骤S403：
步骤S401：获取多个历史报告；从所述历史报告中识别用户信息和一个或多个征象；
步骤S402：根据每一个所述历史报告包括的所述用户信息和所述征象，确定所述用户信息与所述征象之间的对应关系；
步骤S403：根据所述对应关系，配置所述用户信息对应的征象集合。
方式三：获取用户针对多个征象数据的行为数据；根据所述行为数据，确定所述用户感兴趣的征象数据；根据所述用户感兴趣的征象数据，确定所述用户的用户信息所对应的征象集合。
在此情况下，在本公开实施例提供的征象数据确定方法中，如图5所示，在步骤S251之前，还可以包括步骤S501：获取用户针对多个征象数据的行为数据；根据所述行为数据，确定所述用户感兴趣的征象数据；根据所述用户感兴趣的征象数据，确定所述用户的用户信息所对应的征象集合。
在此方式中，用户信息与征象集合的对应关系是根据用户感兴趣的征象数据动态确定的，由于用户感兴趣的征象数据是可变的，那么，用户信息与征象集合的对应关系也是可变的。其中，用户的行为数据可以是医生针对历史报告中的征象数据的点击行为数据、浏览行为数据和调用行为数据等。根据用户(如医生)对于征象数据的行为数据，可以确定出用户感兴趣的征象数据。在本公开一个实施方式中，可以通过以下方式确定出用户感兴趣的征象数据：根据所述行为数据，确定所述用户针对同一征象数据的交互次数；在所述交互次数大于预设次数阈值的情况下，将所述交互次数对应的所述征象数据确定为所述用户感兴趣的征象数据。例如，医生对某个征象数据浏览次数较多，可以将这些征象数据确定为医生感兴趣的数据，并进一步将这些征象数据所对应的征象添加到该医生对应的征象集合中，以实现根据用户感兴趣的征象数据确定该用户对应的征象集合。
在本公开一个实施方式中，为了提高征象集合与用户信息的对应准确性，还可以根据所述用户感兴趣的征象数据以及多个征象数据之间的关联关系，确定所述用户信息所对应的征象集合。例如，用户D感兴趣的征象为序列甲的征象7和征象8，同时该用户D还关注序列乙的征象9，序列甲和序列乙是针对同一器官多次扫描得到的影像序列，也即，序列甲和序列乙是具有关联关系的序列，那么，征象7、征象8和征象9也就是具有关联关系的征象，因此，将征象7、征象8和征象9形成的征象集合作为用户D对应的征象集合。
另外，除了上述确定多个征象数据之间的关联关系的方式，即在多个征象数据对应于相关联的多个序列的情况下，确定多个征象数据具有关联关系，在本公开实施例中，还可以根据下述方式确定多个征象数据之间的关联关系：在多个所述征象数据对应于同一征象，或多个所述征象数据对应于同一序列的情况下，均可确定多个征象数据之间具有关联关系。
步骤S253：根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据。
在本公开实施例中，为了进一步提高医生的诊断效率，还可以先确定当前用户对应的当前图像分析策略，再根据所述目标征象集合，从所述感兴趣区域中提取与所述当前图像分析策略对应的目标征象数据，使得提取出的目标征象数据符合当前用户对应的当前图像分析策略，进而使得当前用户可根据提取出的目标征象数据，按照当前图像分析策略进行分析，以得到感兴趣区域的类型。例如，在当前用户为医生的情况下，当前图像分析策略可以为针对征象数据的当前诊断策略，感兴趣区域为病灶区域，那么，提取出的目标征象数据符合医生的当前诊断策略，从而便于医生尽快地确定出病灶类型，提高诊断效率。
具体地，在本公开一个实施方式中，可以通过以下方式确定出当前用户对应的当前图像分析策略：根据所述图像对应的目标人体部位；确定所述目标人体部位对应的一个或多个图像分析策略，并向所述当前用户展示所述一个或多个图像分析策略；接收所述当前用户针对所述一个或多个图像分析策略输入的选择指令，根据所述选择指令确定所述当前图像分析策略。
例如，在图像为肝脏的医学扫描图像的情况下，图像所对应的目标人体部位即为肝脏。然后可将肝脏对应的诊断策略作为医学扫描图像的图像分析策略，并通过图形界面向用户(医生)展示这些图像分析策略，以使用户(医生)从这些图像分析策略中选择当前诊断所需要的当前图像分析策略，进而使得后续从感兴趣区域中提取出的目标征象数据符合该当前图像分析策略。
作为从感兴趣区域中提取目标征象数据的一个示例，可以针对所述目标征象集合中的每一个征象，执行：判断所述感兴趣区域是否存在与所述征象对应的征象数据，如果是，从所述感兴趣区域中提取与所述征象对应的所述目标征象数据。
例如，与当前用户所选择的当前图像分析策略所对应的目标征象集合是征象集合K，该征象集合K包括的征象为征象1、征象2和征象3。然后，针对这三个征象，判断图像的感兴趣区域中是否存在与该征象对应的征象数据，假设感兴趣区域中存在与征象1和征象2对应的征象数据，那么，征象1和征象2分别对应的征象数据即为目标征象数据。
作为另一个示例，可以提取所述感兴趣区域中的所有征象数据；将所述所有征象数据中存在于所述目标征象集合中的征象数据作为所述目标征象数据。
例如，从图像的感兴趣区域中提取出的征象数据为征象数据x1、征象数据y2和征象数据z5，而与当前用户所选择的当前图像分析策略所对应的目标征象集合是征象集合K，该征象集合K包括的征象为征象1、征象2和征象3。其中，征象数据x1对应于征象1，征象数据y2对应于征象2，征象数据z5对应于征象5，那么，征象数据x1和征象数据y2即为目标征象数据。
另外，为了保证提取出的目标征象数据的完整度和清晰度，便于目标征象数据的展示，在本公开实施例中，在提取目标征象数据的过程中还可以调整征象数据的置信度，具体地，可以从所述感兴趣区域中预提取一个或多个征象数据；根据预提取的一个或多个征象数据分别对应的清晰度，调整一个或多个预提取的所述征象数据对应的置信度；根据调整后的置信度，从所述感兴趣区域中提取所述目标征象数据。
例如，从感兴趣区域中初次预提取征象数据时，若无法提取出感兴趣区域中的全部征象数据，也即仅可从感兴趣区域中提取出部分征象数据，那么可以通过调整置信度的方式，来调整征象数据的提取完整度。例如，在置信度为0.5时，仅能从感兴趣区域中提取出部分征象数据，那么，可以将置信度调整为0.4之后，再次从感兴趣区域中提取出征象数据，若在置信度为0.4的情况下可以提取出感兴趣区域中的全部征象数据，即可停止置信度的调整，若还无法提取出感兴趣区域中的全部征象数据，则可进一步降低置信度。
在本公开另一个实施方式中，还可以根据所述预提取的多个所述征象数据之间的关联关系，调整所述置信度。例如，与提取的多个征象数据为征象数据n1、征象数据n2、征象数据n3和征象数据n4，假设征象数据n1、征象数据n2、征象数据n3和征象数据n4对应于同一图像分析策略，也即，征象数据n1、征象数据n2、征象数据n3和征象数据n4具有关联关系。若征象数据n1、征象数据n2和征象数据n3已经从感兴趣区域中被清晰地提取出来，而提取出的征象数据n4的清晰度较低，那么，可以调整征象数据n4对应的置信度，例如，在征象数据n1、征象数据n2或征象数据n3的置信度的基础上，减小置信度之后，将减小后的置信度作为征象数据n4的置信度，以从感兴趣区域中清晰地提取出征象数据n4。
步骤S254：将所述目标征象数据提供给所述当前用户。
在本公开一个实施方式中，可以直接将目标征象数据展示给当前用户(医生)，使得当前用户根据目标征象数据确定感兴趣区域的类型，例如，确定病灶类型。在本公开另一个实施方式中，也可以在根据目标征象数据确定出感兴趣区域的类型之后，再将感兴趣区域的类型展示给当前用户，使得当前用户直接得到根据目标征象数据确定出的诊断结果，从而进一步提高诊断效率。
根据本公开实施例的一种征象数据的确定方法可以看出，能够确定与当前用户对应的目标征象集合，并根据目标征象集合从感兴趣区域中提取出相应的目标征象数据，并将目标征象数据提供给当前用户。由此使得当前用户能够直接获取感兴趣区域中与其用户信息对应的目标征象数据，而无需当前用户采用人工方式从影像中确定征象数据以及根据自身经验选择征象数据，从而有利于提高诊断效率。
本公开实施例的一种征象数据的确定方法包括：
获取图像的感兴趣区域；
在至少两个征象集合中，确定当前用户的目标征象集合；其中，所述征象集合与图像分析策略相对应，所述征象集合根据用户信息确定；
根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据；
将所述目标征象数据提供给所述当前用户。
可选地，该方法还包括：根据预设的多个用户信息与多个征象的对应关系，配置所述用户信息对应的征象集合。
可选地，该方法还包括：获取多个历史报告；
从所述历史报告中识别用户信息和一个或多个征象；
根据每一个所述历史报告包括的所述用户信息和所述征象，确定所述用户信息与所述征象之间的对应关系；
根据所述对应关系，确定所述用户信息对应的征象集合。
可选地，该方法还包括：获取用户针对多个征象数据的行为数据；
根据所述行为数据，确定所述用户感兴趣的征象数据；
根据所述用户感兴趣的征象数据，确定所述用户的用户信息所对应的征象集合。
可选地，所述根据所述行为数据，确定所述用户感兴趣的征象数据，包括：
根据所述行为数据，确定所述用户针对同一征象数据的交互次数；在所述交互次数大于预设次数阈值的情况下，将所述交互次数对应的所述征象数据确定为所述用户感兴趣的征象数据。
可选地，所述根据所述用户感兴趣的征象数据，确定所述用户的用户信息所对应的征象集合，包括：
根据所述用户感兴趣的征象数据以及多个征象数据之间的关联关系，确定所述用户信息所对应的征象集合。
可选地，根据以下步骤确定所述关联关系：
在多个所述征象数据对应于同一征象，或多个所述征象数据对应于同一序列，或多个所述征象数据分别对应于相关联的多个序列的情况下，确定多个所述征象数据具有关联关系。
可选地，该方法还包括：确定所述当前用户对应的当前图像分析策略；所述根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据，包括：
根据所述目标征象集合，从所述感兴趣区域中提取与所述当前图像分析策略对应的目标征象数据。
可选地，所述确定所述当前用户对应的当前图像分析策略，包括：
根据所述图像对应的目标人体部位；
确定所述目标人体部位对应的一个或多个图像分析策略，并向所述当前用户展示所述一个或多个图像分析策略；
接收所述当前用户针对所述一个或多个图像分析策略输入的选择指令，根据所述选择指令确定所述当前图像分析策略。
可选地，所述从所述感兴趣区域中提取目标征象数据，包括：
从所述感兴趣区域中预提取一个或多个征象数据；
根据预提取的一个或多个征象数据分别对应的清晰度，调整一个或多个预提取的所述征象数据对应的置信度；
根据调整后的置信度，从所述感兴趣区域中提取所述目标征象数据。
可选地，根据所述预提取的多个所述征象数据之间的关联关系，调整所述置信度。
可选地，所述将所述目标征象数据提供给所述当前用户，包括：
将所述目标征象数据展示给所述当前用户，以使所述当前用户根据所述目标征象数据确定所述感兴趣区域的类型；
可选地，根据所述目标征象数据确定所述感兴趣区域的类型，并将感兴趣区域的类型展示给所述当前用户。
可选地，所述根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据，包括：
针对所述目标征象集合中的每一个征象，执行：
判断所述感兴趣区域是否存在与所述征象对应的征象数据，如果是，从所述感兴趣区域中提取与所述征象对应的所述目标征象数据。
可选地，根据所述目标征象集合，从所述感兴趣区域中提取征象数据，包括：
提取所述感兴趣区域中的所有征象数据；
将所述所有征象数据中存在于所述目标征象集合中的征象数据作为所述目标征象数据。
上述发明中的一个实施例具有如下优点或有益效果：能够确定与当前用户对应的目标征象集合，并根据目标征象集合从感兴趣区域中提取出相应的目标征象数据，并将目标征象数据提供给当前用户。由此使得当前用户能够直接获取感兴趣区域中与其用户信息对应的目标征象数据，而无需当前用户采用人工方式从影像中确定征象数据以及根据自身经验选择征象数据，从而有利于提高诊断效率。
图6A示意性示出了根据本公开的实施例的征象数据确定装置600.装置600可以包括图像获取单元601、配置数据获取单元602、征象确定单元603和征象输出单元604。图像获取单元601用于获取图像和用户标识。配置数据获取单元602用于获取与所述用户标识相关联的征象配置数据，所述征象配置数据包括与所述用户标识相关联的至少一个目标征象特征。征象确定单元603，用于根据所述征象配置数据确定征象结果集合。征象输出单元604，用于使得终端输出所述征象结果集合。
图6B示意性示出了根据本公开的另一实施例的征象数据确定装置。
如图6B所示，本公开实施例的征象数据的确定装置650包括：感兴趣区域确定模块651、征象集合确定模块652、征象数据提取模块653以及数据提供模块654；其中，
感兴趣区域确定模块651用于获取图像的感兴趣区域；
征象集合确定模块652用于在至少两个征象集合中，确定当前用户的目标征象集合；其中，所述征象集合与图像分析策略相对应，所述征象集合根据用户信息确定；
征象数据提取模块653用于根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据；
数据提供模块654用于将所述目标征象数据提供给所述当前用户。
在本公开一个实施例中，征象集合确定模块652用于根据预设的多个用户信息与多个征象的对应关系，配置所述用户信息对应的征象集合。
在本公开一个实施例中，征象集合确定模块652用于获取多个历史报告；从所述历史报告中识别用户信息和一个或多个征象；根据每一个所述历史报告包括的所述用户信息和所述征象，确定所述用户信息与所述征象之间的对应关系；根据所述对应关系，确定所述用户信息对应的征象集合。
在本公开一个实施例中，征象集合确定模块652用于获取用户针对多个征象数据的行为数据；根据所述行为数据，确定所述用户感兴趣的征象数据；根据所述用户感兴趣的征象数据，确定所述用户的用户信息所对应的征象集合。
在本公开一个实施例中，征象集合确定模块652用于根据所述行为数据，确定所述用户针对同一征象数据的交互次数；在所述交互次数大于预设次数阈值的情况下，将所述交互次数对应的所述征象数据确定为所述用户感兴趣的征象数据。
在本公开一个实施例中，征象集合确定模块652用于根据所述用户感兴趣的征象数据以及多个征象数据之间的关联关系，确定所述用户信息所对应的征象集合。
在本公开一个实施例中，征象集合确定模块652用于在多个所述征象数据对应于同一征象，或多个所述征象数据对应于同一序列，或多个所述征象数据分别对应于相关联的多个序列的情况下，确定多个所述征象数据具有关联关系。
在本公开一个实施例中，征象数据提取模块653用于确定所述当前用户对应的当前图像分析策略；根据所述目标征象集合，从所述感兴趣区域中提取与所述当前图像分析策略对应的目标征象数据。
在本公开一个实施例中，征象数据提取模块653用于根据所述图像对应的目标人体部位；确定所述目标人体部位对应的一个或多个图像分析策略，并向所述当前用户展示所述一个或多个图像分析策略；接收所述当前用户针对所述一个或多个图像分析策略输入的选择指令，根据所述选择指令确定所述当前图像分析策略。
在本公开一个实施例中，征象数据提取模块653用于从所述感兴趣区域中预提取一个或多个征象数据；根据预提取的一个或多个征象数据分别对应的清晰度，调整一个或多个预提取的所述征象数据对应的置信度；根据调整后的置信度，从所述感兴趣区域中提取所述目标征象数据。
在本公开一个实施例中，征象数据提取模块653用于根据所述预提取的多个所述征象数据之间的关联关系，调整所述置信度。
在本公开一个实施例中，数据提供模块654用于将所述目标征象数据展示给所述当前用户，以使所述当前用户根据所述目标征象数据确定所述感兴趣区域的类型。
在本公开一个实施例中，数据提供模块654用于根据所述目标征象数据确定所述感兴趣区域的类型，并将感兴趣区域的类型展示给所述当前用户。
在本公开一个实施例中，征象数据提取模块653用于针对所述目标征象集合中的每一个征象，执行：判断所述感兴趣区域是否存在与所述征象对应的征象数据，如果是，从所述感兴趣区域中提取与所述征象对应的所述目标征象数据。
在本公开一个实施例中，征象数据提取模块653用于提取所述感兴趣区域中的所有征象数据；将所述所有征象数据中存在于所述目标征象集合中的征象数据作为所述目标征象数据。
根据本公开实施例的征象数据的确定装置可以看出，能够确定与当前用户对应的目标征象集合，并根据目标征象集合从感兴趣区域中提取出相应的目标征象数据，并将目标征象数据提供给当前用户。由此使得当前用户能够直接获取感兴趣区域中与其用户信息对应的目标征象数据，而无需当前用户采用人工方式从影像中确定征象数据以及根据自身经验选择征象数据，从而有利于提高诊断效率。
下面参考图7，其示出了适于用来实现本公开实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本公开的系统中限定的上述功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括感兴趣区域确定模块、征象集合确定模块、征象数据提取模块以及数据提供模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，感兴趣区域确定模块还可以被描述为“获取图像的感兴趣区域的模块”。
作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取图像的感兴趣区域；在至少两个征象集合中，确定当前用户的目标征象集合；其中，所述征象集合与图像分析策略相对应，所述征象集合根据用户信息确定；根据所述目标征象集合，从所述感兴趣区域中提取目标征象数据；将所述目标征象数据提供给所述当前用户。
根据本公开实施例的技术方案，能够确定与当前用户对应的目标征象集合，并根据目标征象集合从感兴趣区域中提取出相应的目标征象数据，并将目标征象数据提供给当前用户。由此使得当前用户能够直接获取感兴趣区域中与其用户信息对应的目标征象数据，而无需当前用户采用人工方式从影像中确定征象数据以及根据自身经验选择征象数据，从而有利于提高诊断效率。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (16)
1.一种征象数据的确定方法，包括：
获取图像和用户标识；
获取与所述用户标识相关联的征象配置数据，所述征象配置数据包括与所述用户标识相关联的至少一个目标征象特征，并且所述征象配置数据包括与至少一个病灶类型相关联的征象特征；
根据所述征象配置数据从所述图像中确定与当前用户对应的征象结果集合，所述当前用户可以包括以下各项中的至少一项：需要分析征象的个人用户或机构用户；以及
使得终端输出所述征象结果集合，
其中，根据所述征象配置数据确定征象结果集合包括从所述图像的感兴趣区域中提取与征象结果集合对应的征象数据，并且其中，根据所述征象配置数据确定征象结果集合包括从所述图像的感兴趣区域中提取与所述至少一个目标征象特征中的目标征象特征对应的征象作为所述征象结果集合。
2.根据权利要求1所述的方法，其中，所述征象配置数据包括与分析目标和分析结果中的至少一项关联的至少一个目标征象特征，并且其中，所述关联关系是通过以下方式获得的：
获取与所述用户标识相关联的至少一个分析描述文本，所述至少一个分析描述文本中的分析描述文本是描述针对分析目标利用一个或多个征象确定分析结果的文本；以及
处理所述至少一个分析描述文本以提取与所述分析目标和所述分析结果中的至少一项关联的至少一个目标征象特征。
3.根据权利要求1所述的方法，其中，与所述用户标识相关联的至少一个目标征象特征是通过对与用户标识相关联的行为数据进行处理而获得的。
4.根据权利要求3所述的方法，其中，与用户标识相关联的行为数据包括与所述用户标识相关联的用户对至少一个征象的历史交互度，并且其中，与所述用户标识相关联的至少一个目标征象特征包括历史交互度大于预定交互度阈值的征象的特征。
5.根据权利要求3所述的方法，其中，与所述用户标识相关联的至少一个目标征象特征包括通过如下步骤获得的至少两个关联的目标征象特征：
响应于与所述用户标识相关联的行为数据指示第一图像序列与第二图像序列存在关联，将第一图像序列中的第一征象特征与第二图像序列中的第二征象特征设置为关联的目标征象特征。
6.根据权利要求1-5中任一所述的方法，其中，所述用户标识包括以下各项中的至少一项：个人用户的标识，机构用户的标识。
7.根据权利要求1所述的方法，其中，根据所述征象配置数据确定征象结果集合包括：
获取图像的分析策略；
基于所述分析策略解析所述图像；以及
获取所述图像中的与图像的解析结果相关联的征象作为所述征象结果集合。
8.根据权利要求7所述的方法，其中，基于所述分析策略解析所述图像包括确定所述图像对应的目标人体部位，并且其中，获取所述图像中的与图像的解析结果相关联的征象包括：确定所述图像中的与所述目标人体部位对应的征象作为所述征象结果集合。
9.根据权利要求7所述的方法，其中，
图像的分析策略包括图像的分析目标，
基于所述分析策略解析所述图像包括：基于所述分析目标解析所述图像以识别病灶类型，并且
获取所述图像中的与图像的解析结果相关联的征象包括：获取所述图像中的与识别出的病灶类型相关联的征象。
10.根据权利要求1所述的方法，从所述图像的感兴趣区域中提取与征象结果集合对应的征象数据包括以下操作：
按照第一置信度，从所述感兴趣区域中提取与所述至少一个目标征象特征中的目标征象特征对应的征象数据；
响应于确定所述提取的征象数据中存在征象清晰度不满足预定清晰度阈值的清晰度阈值的征象数据，按照第二置信度从所述感兴趣区域中提取与征象结果集合对应的征象数据，其中，所述第二置信度小于所述第一置信度。
11.根据权利要求1所述的方法，所述征象配置数据中包括至少两个目标征象特征以及与每个目标征象特征对应的优先级，并且其中，使得终端输出所述征象结果集合包括：基于对应的优先级输出所述征象结果集合。
12.根据权利要求1所述的方法，至少一个目标征象特征包括以下各项中的至少一项：
征象的类型特征、形状特征、亮度特征和尺度特征。
13.一种征象数据的确定装置，包括：
图像获取单元，用于获取图像和用户标识；
配置数据获取单元，用于与所述用户标识相关联的征象配置数据，所述征象配置数据包括与所述用户标识相关联的至少一个目标征象特征，并且所述征象配置数据包括与至少一个病灶类型相关联的征象特征；
征象确定单元，用于根据所述征象配置数据确定与当前用户对应的征象结果集合，所述当前用户可以包括以下各项中的至少一项：需要分析征象的个人用户或机构用户；以及
征象输出单元，用于使得终端输出所述征象结果集合，
其中，根据所述征象配置数据确定征象结果集合包括从所述图像的感兴趣区域中提取与征象结果集合对应的征象数据，并且其中，根据所述征象配置数据确定征象结果集合包括从所述图像的感兴趣区域中提取与所述至少一个目标征象特征中的目标征象特征对应的征象作为所述征象结果集合。
14.一种确定征象数据的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
15.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-12中任一所述的方法。
16.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028340.1A CN113658175B (zh) | 2021-09-02 | 2021-09-02 | 一种征象数据的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028340.1A CN113658175B (zh) | 2021-09-02 | 2021-09-02 | 一种征象数据的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113658175A CN113658175A (zh) | 2021-11-16 |
| CN113658175B true CN113658175B (zh) | 2023-08-18 |
Family
ID=78482745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111028340.1A Active CN113658175B (zh) | 2021-09-02 | 2021-09-02 | 一种征象数据的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658175B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114119578B (zh) * | 2021-12-01 | 2022-07-08 | 数坤(北京)网络科技股份有限公司 | 一种图像处理方法、装置、计算机设备及存储介质 |
| CN114255219B (zh) * | 2021-12-21 | 2022-08-16 | 数坤(北京)网络科技股份有限公司 | 征象识别方法、装置、电子设备和存储介质 |
| CN114549482A (zh) * | 2022-02-25 | 2022-05-27 | 数坤(北京)网络科技股份有限公司 | 一种图像关联方法、装置、电子设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104750951A (zh) * | 2013-11-21 | 2015-07-01 | 上海联影医疗科技有限公司 | 一种医疗图像数据的分析处理方法及装置 |
| CN108846840A (zh) * | 2018-06-26 | 2018-11-20 | 张茂 | 肺部超声图像分析方法、装置、电子设备及可读存储介质 |
| CN110378876A (zh) * | 2019-06-18 | 2019-10-25 | 平安科技（深圳）有限公司 | 基于深度学习的影像识别方法、装置、设备及存储介质 |
| CN110706815A (zh) * | 2019-11-26 | 2020-01-17 | 北京推想科技有限公司 | 一种影像报告的评估方法、装置及电子设备 |
| CN110853739A (zh) * | 2019-10-16 | 2020-02-28 | 平安科技（深圳）有限公司 | 图像管理显示方法、装置、计算机设备及存储介质 |
| CN112446352A (zh) * | 2020-12-14 | 2021-03-05 | 深圳地平线机器人科技有限公司 | 行为识别方法、装置、介质及电子设备 |
-
2021
- 2021-09-02 CN CN202111028340.1A patent/CN113658175B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104750951A (zh) * | 2013-11-21 | 2015-07-01 | 上海联影医疗科技有限公司 | 一种医疗图像数据的分析处理方法及装置 |
| CN108846840A (zh) * | 2018-06-26 | 2018-11-20 | 张茂 | 肺部超声图像分析方法、装置、电子设备及可读存储介质 |
| CN110378876A (zh) * | 2019-06-18 | 2019-10-25 | 平安科技（深圳）有限公司 | 基于深度学习的影像识别方法、装置、设备及存储介质 |
| WO2020253048A1 (zh) * | 2019-06-18 | 2020-12-24 | 平安科技（深圳）有限公司 | 基于深度学习的影像识别方法、装置、设备及存储介质 |
| CN110853739A (zh) * | 2019-10-16 | 2020-02-28 | 平安科技（深圳）有限公司 | 图像管理显示方法、装置、计算机设备及存储介质 |
| CN110706815A (zh) * | 2019-11-26 | 2020-01-17 | 北京推想科技有限公司 | 一种影像报告的评估方法、装置及电子设备 |
| CN112446352A (zh) * | 2020-12-14 | 2021-03-05 | 深圳地平线机器人科技有限公司 | 行为识别方法、装置、介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于深度学习的新型冠状病毒肺炎CT征象检测研究;祖莅惠;胡博奇;王平;张忠;刘景鑫;;中国医疗设备(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113658175A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113658175B (zh) | 一种征象数据的确定方法及装置 | |
| JP6275876B2 (ja) | 医療データ処理のための進化型文脈的臨床データエンジン | |
| US9037988B2 (en) | User interface for providing clinical applications and associated data sets based on image data | |
| US9053213B2 (en) | Interactive optimization of scan databases for statistical testing | |
| KR101241060B1 (ko) | 의료 영상 정보 저장과 표시 방법 및 그 장치 | |
| US8786601B2 (en) | Generating views of medical images | |
| CN103222876B (zh) | 医用图像处理装置、图像诊断装置、计算机系统以及医用图像处理方法 | |
| WO2020205116A1 (en) | A platform for evaluating medical information and method for using the same | |
| US11257211B2 (en) | Medical image processing apparatus, medical image processing system, and medical image processing method | |
| US11037659B2 (en) | Data-enriched electronic healthcare guidelines for analytics, visualization or clinical decision support | |
| CN112150376B (zh) | 血管医学影像分析方法、装置、计算机设备和存储介质 | |
| CN113539445A (zh) | 一种医学图像处理方法和装置 | |
| CN115830017B (zh) | 基于图文多模态融合的肿瘤检测系统、方法、设备及介质 | |
| EP3408771B1 (en) | Predictive model for optimizing clinical workflow | |
| US11132793B2 (en) | Case-adaptive medical image quality assessment | |
| EP2979161B1 (en) | Preferred view generation on structure level based on user preferences | |
| EP3362925B1 (en) | Systems and methods for generating correct radiological recommendations | |
| CN112862752A (zh) | 一种图像处理显示方法、系统电子设备及存储介质 | |
| WO2021108398A1 (en) | Automated protocoling in medical imaging systems | |
| US11094062B2 (en) | Auto comparison layout based on image similarity | |
| JP2020174861A (ja) | 情報処理装置、情報処理方法およびプログラム | |
| US10839299B2 (en) | Non-leading computer aided detection of features of interest in imagery | |
| CN116869555A (zh) | 扫描协议调节方法、装置以及存储介质 | |
| CN114334093A (zh) | 图像序列处理方法、装置、计算设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee after: Shukun Technology Co.,Ltd. Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |